微调与模型适配

学习监督微调、LoRA、模型合并和领域适配,适合定制模型的开发者。

16 条精选 · 入门 4 · 按推荐学习顺序:越基础、直观越靠前,越系统、深入越靠后

在 3D 图中查看
  1. 2入门
    课程发布 05-25
    introtodeeplearning.com

    MIT 6.S191:深度学习导论

    MIT 6.S191:Introduction to Deep Learning

    MIT 6.S191 深度学习入门课程网站。课程定位为高强度的短期训练营,讲授深度学习基础及其在自然语言处理、计算机视觉、生物等领域的应用,内容包括深度学习算法基础、构建神经网络的实践经验,以及大语言模型和生成式 AI 等前沿话题,并以项目提案竞赛收尾。先修要求假设学习者掌握微积分(求导)和线性代数(矩阵乘法),有 Python 经验有帮助但非必需,也欢迎旁听。页面显示 2026 年课程时间为 2026 年 3 月 30 日至 5 月 25 日每周一美东时间上午 10 点,线上版本每周同步发布,并列出各讲主题与幻灯片、视频、代码实验室的开放安排。

  2. 5深入
    课程发布 10-16
    YouTube

    斯坦福 CME295 Transformer 与大语言模型 | 2026 年秋季 | 第 3 讲 — LLM 训练

    Stanford CME295 Transformers & LLMs | Autumn 2026 | Lecture 3 - LLM training

    这是斯坦福课程 CME295 2026 年秋季学期的第三讲录像,由 Afshine Amidi 与 Shervine Amidi 讲授。内容涵盖预训练与交叉熵损失、数据配比、中期训练、长上下文训练、监督微调(SFT)、LoRA、偏好调优、Bradley-Terry 模型、RLHF、DPO、推理能力、GRPO、在线策略蒸馏(OPD)及一个端到端示例。

模型原理与训练的其他细分主题